【摘 要】
：
依据从大规模数据中抽取的模式来建立分类模型是模式挖掘的重要研究问题之一。一种可行的方法是根据模式集合建立贝叶斯分类模型。然而,目前基于模式的贝叶斯分类模型大多是
【机 构】
：
北京交通大学计算机与信息技术学院,交通数据分析与挖掘北京市重点实验室
【基金项目】
：
国家自然科学基金（61672086）,北京市自然科学基金（4142042）资助
论文部分内容阅读
依据从大规模数据中抽取的模式来建立分类模型是模式挖掘的重要研究问题之一。一种可行的方法是根据模式集合建立贝叶斯分类模型。然而,目前基于模式的贝叶斯分类模型大多是针对静态数据集合的,通常不能适应于高速动态变化与无限的数据流环境。对此,提出一种数据流环境下基于模式发现的贝叶斯分类学习模型,其采用半懒惰式学习策略,针对分类实例在不断更新的频繁项集合上建立局部的分类模型;为加快流数据处理的速度,提出了结构更为简单的混合树结构,同时提出了给定项限制的模式抽取机制以减少候选项集的生成;对数据流中模式抽取不完全的情况,
其他文献
针对铜闪速炉冰铜温度预测问题，提出了一个基于智能集成策略的预测模型；该模型结合了基于热平衡的数学模型和模糊神经网络模型，再通过一个智能协调器调整两个模型的权值，最终得到
为了降低设备复杂程度,对四种微控制器与4～20mA变送器接口的方案进行了研究并实现,并应用于海洋激光雷达的状态采集;该方案在硬件上采用了Microchip低功耗微控制器与TI公司4～20
推荐系统是解决互联网信息过载问题的有效途径之一,其中具有代表性的是协同过滤推荐。传统的协同过滤推荐方法只考虑评分信息,而评论信息则包含了用户和物品更具体的特征信息
随着社会网络数据规模的递增,结构洞节点计算涉及的计算量呈几何级增长,如何构建有效的并行化算法并缩短算法运行的时间成为当前研究的难点。针对大规模数据量下结构洞节点发
基于位置服务的普及给人们的生活带来了极大的便利,但同时也带来了严重的隐私泄露问题。基于假轨迹的隐私保护技术是目前比较流行的一种方法,但是现有的大多数假轨迹方法没有
目前，国内、外对转向管柱万向节微小摆动扭矩的测量，均采用弹簧挂钩的人工测量方式，测量效率低，系统误差大；该文针对弹簧挂钩测量方法的缺点，提出了托肘和磁悬浮两种新型实用的测量
以协同过滤为代表的传统推荐算法能够为用户提供准确率较高的推荐列表,但忽略了推荐系统中另外一个重要的衡量标准：多样性。随着社交网络的日益发展,大量冗余和重复的信息充斥